推荐系统在高校图书馆的应用研究

《推荐系统在高校图书馆的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、推荐系统在高校图书馆的应用研究马东明山西财经大学摘要：大数据时代，信息技术和网络的不断发展诱发了信息的过载问题。为了向师生提供跨数据源的信息推荐服务，高校图书馆必须构建数字图书推荐系统。文章对国外较为成熟的图书推荐系统进行分析，对其推荐模型，关键技术等进行丫概括分析。最后对高校阁书推荐系统的研宄难点和发展趋势进行展望。关键词：推荐系统;高校图书馆;个性化服务;作者简介：马东明（1964-），女，山西财经大学南校区图书馆副研究馆员。收稿曰期:2017-08-11Received：2017-08-11随着信息网络的不断发展，高校图书馆作为网络信息资源与师生的桥梁，面对纷繁复杂的信息海洋，高

2、校图书馆应针对网络信息与用户阅读体验等方面，为高校师生提供高质量的信息服务来满足用户的阅读要求。以用户为中心，信息化与智能化的服务为棊础的智慧型图书馆成为图书馆发展的必然趋势。一、髙校图书馆个性化服务高校图书馆作为高校师生的文献信息管理者，为教学科研工作提供信息服务。面对“信息过载”，读者如何找出适合自己的信息资源，图书馆应当如何将其丰富的资源有效的利用成为A前传统图书馆面临的严峻挑战。图书馆在其服务屮应当突出其智慧性，为读者提供个性化的阅读体验，提高其阅读满意度。推荐系统作为解决“信息过载”问题的主要手段，本文就推荐系统在高校图书馆的应用进行深入探讨，并就其应用前景以及研究难点进行分

3、析。随着教育水平的提高，国家对高校建设的力度不断加大，使得0前高校图书馆馆藏资源十分丰富，而信息资源的高速增长同样使得高校图书馆电子信息资源越来越多。导致信息资源利用率偏低，甚至多数资源无人问津。而高校图书馆的服务对象主耍是高校师生，其对于信息服务质量耍求较高，这就耍求高校图书馆能够为读者提供符合其专业程度以及专业方向的个性化信息服务。二、国内外图书推荐系统（一）Amazon图书推荐系统亚马逊作为应用推荐系统最为广泛的电子商务网站，在其网络书店中采用了基于项A的协同过滤模型，获得Y较好的推荐效果。算法首先在用户评分矩阵屮利用相似性算法获取项目之间的相似度，并以此得到与项目特征最为匹配的

4、邻居项目集合，为用户推荐邻居项目中评分最高的Top-N项目列表。图1协同过滤推荐流程下载原图阁1为协同过滤推荐算法的推荐流程，协同过滤思想自1992年由Goldberg等人提出后得到了广泛的应用。其目的在于为当前用户推荐符合用户兴趣的项目或者与测用户对某一项目的评分。推荐系统中通常将用户集合记为U，其中U={U

5、,□2……uj,项目集合记为T={ibi2……L}。对于某一个用户ua,存在一个对系统项A评分向量匕来记荥用户对项目b的历史评分。通常将棊于协同过滤需要计算用户如下内容：1.为用户iv预测在ij项目的评分值j。2.以预测评分值的排序选取用户评分值最高的N个项目作为用户Top-N

6、推荐列表供用户选择。Amazon图书推荐系统具有如下优势：1.完备的推荐内容：Amazon以其完备的用户历史信息和图书资料能够完成各种角度下的图书相似度计算。包括:阁书的外部特征、阁书的出版特征、阁书销售情况、阁书的关键词标签等等通过侧面信息对图书进行描述，为用户提供全方位信息服务。2.较高的自动化推荐能力：Amazon通过记录用户历史点击、访问记录、购买记录、页面停留吋间等等数据,并以此建立用户兴趣模型。当用户查找图书时，能够为读者实现实时的图书推荐。3.多种推荐方式：Amazon釆用多种推荐方式结合的策略。其中最为突出的是其提供的书评推荐，以作者、读者等人的角度交流提交书评，能够让

7、读者在选择吋从多种角度了解图书，以便读者与读者，读者与作者之间的交流。（二）斯坦福大学Fab系统斯坦福大学在数字图书馆研宄中提出了Fab系统，其主要作用是为了帮助读者从海量资源信息中筛选出用户需要的信息。系统采用基于内容的推荐和基于协同过滤的推荐模型，利用混合推荐技术将其结合使用，冇效的向用户推送其感兴趣的信息。系统通过用户的历史阅读信息以及评分，利用协同过滤等推荐模型为提取用户兴趣方向，并将其喜好的书籍推荐给具有相同兴趣偏好的用户。Fab综合基于内容和基于协同过滤的推荐模型，能够为用户推荐合适信息的同时，混合推荐也有效缓解了推荐系统中存在的冷启动问题。实现了个性化推荐服务。（三）Ci

8、teseer系统Citeseer是NEC建设的一个学术论文图书馆，利用自动引文表示技术提供丫通过连接检索文献的检索方式。2000年NEC研究院的Kurt等人将个性化推荐功能引入Citeseer。通过收集用书签，收藏等方式，得出用户偏好与兴趣方向。利用最近邻方法方式计算用户相似度，并将合适的网页推荐给用户。（四）加州大学Melvyl推荐系统2006年，加州大学图书馆为提高读者阅读体验以及图书馆服务退出了Melvyl推荐系统。其主要使用两种推荐方式